> For the complete documentation index, see [llms.txt](https://kopens.gitbook.io/plantpulse-ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://kopens.gitbook.io/plantpulse-ai/undefined/readme.md).

# PlantPulse AI Platform

> **"공장의 모든 데이터를, 모든 사람이, 자연어 한 마디로"**

{% hint style="info" %}
**온라인 메뉴얼:** <https://kopens.gitbook.io/plantpulse-ai>
{% endhint %}

**PlantPulse AI Platform**은 제조 현장의 실시간 데이터, AI 분석, 지식 관리를 통합한 **산업용 AI 코파일럿 플랫폼**입니다.

공장 운영자가 자연어로 질문하면, AI가 실시간 센서 데이터 조회, 이상 탐지, 예측 분석, 기술 문서 검색을 자동으로 수행하여 **즉각적이고 정확한 의사결정**을 지원합니다.

***

## 핵심 수치

| 항목                       | 수치           |
| ------------------------ | ------------ |
| 통합 MCP 데이터 도구            | 116개 (읽기 전용) |
| TimeSeries-Insight 분석 도구 | 27개          |
| 지식 그래프(온톨로지) 도구          | 5개           |
| RAG 검색 도구                | 3개           |
| 온톨로지 노드 타입               | 14종          |

***

## 플랫폼 구성

| 구성 요소                  | 역할                                                       |
| ---------------------- | -------------------------------------------------------- |
| **AI Chat Web**        | 사용자 인터페이스 — 자연어 대화형 AI 코파일럿 (내장 에이전트)                    |
| **통합 MCP**             | 실시간 공장 데이터 게이트웨이 (플랫폼 server-web `/api/v5/mcp`, 온톨로지 포함) |
| **Ontology**           | 공장 지식 그래프 — 설비 관계/구조 분석 (통합 MCP에 포함)                     |
| **TimeSeries-Insight** | AI 이상 탐지 + 예측 + 피처 스토어 (27개 분석 도구)                       |
| **RAG**                | LightRAG 기반 기술 문서 검색 — 매뉴얼, SOP, 규정 즉시 참조                |
| **AURA**               | 산업 특화 LLM — 제조 도메인 파인튜닝 모델                               |

***

## 도입 효과

| 영역     | Before (기존)           | After (PlantPulse AI) |
| ------ | --------------------- | --------------------- |
| 현황 파악  | SCADA+엑셀+매뉴얼 30분\~1시간 | 자연어 질문 **10초**        |
| 이상 감지  | 룰 기반 알람 (사후 대응)       | **AI 사전 감지** + 원인 추정  |
| 정비 방식  | 예방 정비 (주기 기반)         | **예지 정비** (상태 기반)     |
| 문서 검색  | 파일서버 수동 탐색            | **AI 하이브리드 검색** 즉시    |
| AI 비용  | 클라우드 API 종량제          | **온프레미스 고정비** 무제한     |
| 데이터 보안 | 외부 클라우드 전송            | **사내 온프레미스** 완전 유지    |

***

## 기술 스택

| 레이어       | 기술                                               |
| --------- | ------------------------------------------------ |
| AI 모델     | AURA LLM, IBM Granite TSPulse, TinyTimeMixer TTM |
| AI 프레임워크  | MCP (Model Context Protocol), LiteLLM, LightRAG  |
| 백엔드       | Java 21 / Spring Boot 3.4, Python / FastAPI      |
| 그래프 DB    | Neo4j                                            |
| 벡터 DB     | Qdrant                                           |
| 관계형 DB    | PostgreSQL 18                                    |
| 시계열 DB    | Apache Cassandra                                 |
| 캐시        | Valkey (Redis 호환)                                |
| 오브젝트 스토리지 | MinIO (S3 호환)                                    |
| GPU       | NVIDIA DGX Spark 호환 (저사양 운영)                     |
| 배포        | 온프레미스 / 에지 / 클라우드                                |

***

## 도입 대상

| 산업      | 주요 활용 시나리오                      |
| ------- | ------------------------------- |
| 식음료 제조  | 생산라인 OEE 관리, 품질 모니터링, 에너지 최적화   |
| 화학/석유화학 | 공정 이상 조기 감지, 안전 규정 준수, 설비 건강 관리 |
| 자동차 부품  | 예지 정비, 작업지시 품질 추적, 라인 밸런싱       |
| 반도체/전자  | 미세 이상 감지, 수율 예측, 클린룸 환경 모니터링    |
| 철강/금속   | 고온 설비 모니터링, 에너지 관리, 정비 주기 최적화   |


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://kopens.gitbook.io/plantpulse-ai/undefined/readme.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.